Effect of long-term addition of organic substances on soil nitrogen and amino sugars in particle-size fractions in the North China Plain
-
摘要: 华北平原是我国主要的粮食生产基地之一,农民为了追求高产,过量施用化肥的弊端日益凸显。本研究依托中国科学院栾城农业生态系统试验站有机养分循环再利用长期定位试验,开展不同外源有机物料对土壤氮素和氨基糖在不同粒级土壤库中分布的影响研究,为阐释不同农业管理措施下土壤氮素的物理保护机制和生物保护机制提供依据。定位试验设6个处理:无肥无秸秆处理(对照,CK)、单施猪圈肥(M)、单施化肥(NPK)、单施秸秆(SCK)、化肥配施猪圈肥(MNPK)和化肥配施秸秆(SNPK)。通过超声波分散-离心分离得到3种粒径土壤——砂粒级(2 000~53 μm)、粉粒级(53~2 μm)和黏粒级(< 2 μm),分析全土及各粒级土壤中全氮和3种土壤氨基糖(氨基葡萄糖、胞壁酸和氨基半乳糖)的含量及变化;基于这3种土壤氨基糖的稳定性和异源性,以氨基糖作为微生物残留物标识物,了解真菌和细菌残留物的积累和转化,阐释真菌和细菌在养分转化中的作用。结果表明:添加有机物料(秸秆、猪圈肥)明显提升了土壤全氮和氨基糖含量,粒级间土壤氮素和氨基糖含量顺序均为黏粒级>砂粒级>粉粒级。添加有机物料对砂粒级土壤氮素影响最大,长期化肥配施猪圈肥中氮素主要在砂粒级中富集,长期化肥配施秸秆的氮素主要在黏粒级中富集。添加秸秆主要提高了真菌来源的氨基葡萄糖的含量,而添加猪圈肥主要提高了土壤中细菌来源的胞壁酸含量,表明添加不同有机物料可影响土壤微生物的群落结构。从各粒级中氨基葡萄糖/胞壁酸的比值来看,添加不同类型外源有机物料对砂粒级土壤微生物群落结构影响最为明显。由此可见,在长期秸秆还田措施下实施有机粪肥部分替代化肥不仅可以减少化肥用量,还可提升土壤养分含量和微生物多样性,改善土壤质量。Abstract: The North China Plain (NCP) is one of the main grain production bases in China. In pursuance of high yield, excessive application of chemical fertilizers has been becoming increasingly common and problematic, especially in terms of soil quality degradation. A long-term experiment on soil organic nutrient recycling was conducted at Luancheng Agroecosystem Experimental Station, Chinese Academy of Sciences in this study. The aim was to evaluate the effects of different exogenous organic materials application on the distribution of nitrogen and amino sugar in different soil particle-size fractions and to provide the basis for explaining the soil physical and biological protection mechanisms of nitrogen under different management practices. The experiment had six treatments in triplicates-no chemical fertilizer without organic materials (CK), single application of pig manure (M), application of chemical fertilizers (NPK), combined application of chemical fertilizers and pig manure (MNPK), combined application of chemical fertilizers and straw (SNPK) and single application of straws (SCK). Three particle-size fractions (sand:2 000-53 μm, silt:53-2 μm and clay: < 2 μm) were separated through ultrasonic dispersion and centrifugal separation. Total nitrogen and amino sugars (glucosamine, muramic acid and amino galactose) were analyzed within these fractions and in the bulk soil. Based on the stability and heterogeneity of three soil amino sugars, we used amino sugar as index for fungal/bacterial residue accumulation and transformation to explain the role of fungi/bacteria in nutrient conversion. The results indicated that the addition of organic materials (straw and pig manure) significantly increased contents of total nitrogen and amino sugars in bulk soil and different particle-size fractions with order of clay fraction > sand fraction > silt fraction. The effect of adding exogenous organic substances on soil nitrogen content was most obvious in sand fraction. Soil nitrogen in MNPK treatment was enriched mainly in sand fraction, and nitrogen in SNPK was most enriched in clay fraction. Straw addition increased soil content of glucosamine from fungal residue, pig manure application increased content of muramic acid from bacteria residue, indicating obvious effect of exogenous organic substances on community structure of soil microorganisms. The ratios of glucosamine/muramic of soil particle-size fractions showed that bacteria dominated under pig manure application, and fungi dominated under CK or straw addition in nutrient decomposition and transformation, which was most obvious in sand fraction. In summary, partial replacement of chemical fertilizers with organic manure not only reduced chemical fertilizer use, but also increased soil nutrient content, improved microbial community structure and soil quality.
-
2023年, 我国粮食产量连续九年稳定在6.5亿t以上, 粮食综合产能不断提升, 大国粮仓根基稳步夯实。在追求粮食产量增加的同时, 农业资源环境受到了外源性污染和内源性污染的双重压力。如何提升粮食生态效率、降低农业资源消耗和增加绿色产品供给, 成为学界关注的重要议题。粮食生态效率是一个融合了粮食生产效率和生态环保理念的重要概念, 它既要确保粮食产量稳定增加, 也要兼顾生态环境保护和资源利用的可持续性[1]。提高粮食生态效率, 意味着在相同的资源投入下, 能够获得更多粮食产出, 或者通过优化生产方式和技术创新, 减少资源投入同时保持粮食产量稳定。《“十四五”全国农业绿色发展规划》指出: “加强农业面源污染治理, 推进农业农村减排固碳, 改善农村生态环境, 让良好生态成为乡村振兴的支撑点”。在此背景下, 数字经济作为新一轮科技革命与产业变革过程中孕育而生的新经济形态, 能够通过技术进步赋能粮食产业绿色转型升级, 为粮食产业高质量发展筑牢生态屏障[2]。因此, 厘清数字经济与粮食生态效率之间的关系显得尤为重要。
目前, 粮食生态效率的研究主要集中在测算边界、测算方法和影响因素等方面。在测算边界研究方面, 大部分学者对于粮食生产投入要素和期望产出的界定内容大体相同, 其中投入指标主要包括土地、劳动力、机械和化肥等生产要素, 期望产出主要为粮食产量[3]。部分学者对于非期望产出的界定存在差异, 主要集中在碳排放和面源污染源两方面, 亦或兼而有之[4-5]。在测算方法研究方面, 早期学者主要采用随机前沿分析法(SFA)、数据包络分析法(DEA)等进行测度[6]。随机前沿分析法(SFA)只能处理单一产出问题, 难以考虑生态影响[7]; 数据包络分析法(DEA)没有考虑松弛变量对效率值的影响, 评价结果可能不准确或有偏差[8]。为克服上述缺陷, Tone[9]提出非径向、非角度的非期望产出SBM模型, 将负外部性产出纳入模型, 有效解决了投入产出的松弛问题, 并逐渐成为测度生态效率的主流方法。在粮食生态效率影响因素研究方面, 有学者认为城镇化水平[1]、农地流转[10]和财政支农[11]等因素对粮食生态效率具有显著影响。
关于数字经济对生态效率的影响效应研究主要聚焦于数字经济对流域生态效率[12]、工业生态效率[13]和农业生态效率等方面的影响。与本研究相近的文献探究了数字经济对农业生态效率的正向影响, 发现数字经济通过促进土地流转[10], 优化人力资本[14]和创新生产技术[15]等方式, 提高农业生态效率水平。然而, 农业包括种植业、林业、畜牧业和渔业等多个部门, 不同部门生态效率存在较大差异。现有文献为本研究提供了坚实基础, 但也存在进一步拓展的空间: 1)现有研究较多为城镇化、农地流转和财政支农等对粮食生态效率的影响, 未涉及数字经济这一关键变量; 2)部分现有研究分析了数字经济对农业生态效率的影响, 而对农业的某个具体部门, 尤其是对粮食生态效率的影响缺乏深入分析。上述研究的缺失, 使得数字经济对粮食生态效率的作用效果和传导机制尚不清楚, 难以科学解释二者之间的相关关系。
据此, 本文基于2013—2021年13个粮食主产区的面板数据, 分别构建数字经济与粮食生态效率的综合评价指标体系, 实证检验数字经济对粮食生态效率的直接效应、中介效应和门槛效应, 以期为我国粮食生产绿色转型升级提供借鉴思路, 为政府有关部门提高粮食生态效率提供决策参考。
1. 理论分析与研究假设
1.1 数字经济对粮食生态效率的直接效应
数字经济的高技术性和高融合性, 促进了粮食生态效率提高。按照诱致性技术变迁理论, 生产资源要素的相对价格和可选技术是农业生产经营者选择何种资源配置的关键动因[16]。1)技术扩散效应。通过运用物联网、人工智能等现代信息技术, 实现对农田、农机和农资等生产要素的智慧化管理和优化配置, 提高种植面积、单产水平和品质水平等指标, 持续发挥“数字经济+粮食生产”的“蒲公英效应”。2)资源优化效应。数字经济基于电子商务数据, 精准识别消费者对粮食种类、品质和数量的需求, 合理调整种植结构和安排化肥、农药、水资源等生产要素使用量, 提高资源利用效率。3)环境改善效应。数字经济依托新型数字技术在粮食生产“耕、种、管、收”环节, 注入数字、信息、知识等大量现代生产要素, 实现粮食生产精准管控, 及时对粮食生产过程中可能造成的环境污染和其他突发自然灾害事件进行预测, 降低粮食生产过程中的生态污染, 提高粮食生态效率。基于此, 提出以下假设:
H1: 数字经济能够提高粮食生态效率。
1.2 数字经济对粮食生态效率的影响机理
1.2.1 农地经营规模的中介作用
农地经营规模在数字经济对粮食生态效率影响的过程中可能发挥着重要的中介作用。规模经济理论认为, 适度的农地经营规模有利于农业生产经营者合理使用生产资源, 达到规模效应的目的[17]。该理论不仅适用于分析经济效应, 同样适用于分析生态效应。
具体来说, 一方面数字经济加快了农地流转速度。1)数字经济推动农村电商的兴起, 促进农村快递、包装、仓储等电商细分产业链发展, 增加农业生产经营者非农就业和自主创业的机会, 扩大其收入。2)数字经济突破地域限制, 促进农村劳动力向城镇转移, 农村土地资源要素开始由碎片化逐渐向规模化重组[18]。3)数字普惠金融通过提高粮食生产者金融服务的可得性, 降低金融交易成本等方式, 推动农地规模化经营。
另一方面, 农地经营规模增加有利于粮食生态效率提高。1)规模化粮食生产有利于将分散的种植地集中起来, 实现集中化、连片化和专业化生产, 并以市场需求为导向, 合理优化柴油、农药、化肥等生产要素结构, 实现生产要素集约化投入, 降低粮食生产成本; 2)规模化粮食生产有助于农业机械化水平的提高, 且规模经营主体更倾向于采用绿色和精细化的粮食生产设备代替传统高排放和高污染的粮食生产设备, 进而促进新一轮粮食绿色生产技术改革, 降低碳排放和面源污染源水平, 提高粮食生态效率[19]。基于此, 提出以下假设:
H2: 数字经济通过增加农地经营规模间接提高粮食生态效率。
1.2.2 农业社会化服务的中介作用
在小农户与现代农业接轨的背景下, 农业社会化服务在数字经济对粮食生态效率影响的过程中发挥着重要的中介作用。农业踏车理论认为[20], 新技术可以降低生产成本, 农户在社会化服务中发挥“干中学”效应, 并带动后来者进行技术采纳, 逐渐实现新技术普及, 如此往复的新技术引进, 有效推动了粮食生态效率提高。
具体来说, 一方面数字经济能够提高农业社会化服务。1)数字经济能够依托数字化、智能化与机械化为主的现代化手段, 为农业社会化服务组织赋能, 实现对粮食生产过程、生产环境和服务质量等环节的精准监测, 保障粮食数量和质量安全。2)数字经济作为一种新型经济形态, 推动传统农业与现代产业深入融合。数字建设带来开放的网络平台信息, 使信息传播不再具有时空局限性, 更加有效地促进了粮食产业各环节衔接, 缓解了产业链的信息不对称问题。
另一方面, 农业社会化服务能够促进粮食生态效率提高。1)农业社会化服务组织能够优化农业生产要素配置, 并通过提供新农技、新品种、农业保险等服务, 缓解农业生产过程中的资源约束, 提高粮食生态效率[21]。2)农业社会化服务组织向农业生产经营者提供配方施肥、科学用药和机械燃油等指导与培训, 弥补小农户人力资本不足的短板, 在提高粮食生态效率的前提下兼顾粮食质量[22]。基于此, 提出以下假设:
H3: 数字经济通过提高农业社会化服务间接提高粮食生态效率。
1.3 数字经济对粮食生态效率的门槛效应
已有研究表明, 数字经济具有“梅特卡夫定律” “摩尔定律”以及“规模报酬递增”的特点, 认为数字经济对粮食生态效率的影响可能存在非线性的特征[18]。此外, 现有学者认为财政支农力度能够显著促进粮食生态效率提升[23], 但也有学者持相反观点, 认为二者之间存在负相关关系[24], 还有学者认为财政支农力度对粮食生态效率影响存在门槛效应[25]。从理论上看, 当财政支农力度较低时, 各地乡村数字基础设施建设和信息平台发展不完善, 数字经济应用广度和深度有限, 对粮食生态效率的影响作用较小; 当财政支农力度较高时, 数字化基础设施逐渐完善, 促使传统粮食生产方式改变, 促进先进农业绿色技术推广应用, 进而降低农药、化肥和农膜等农资使用量, 加快农业绿色转型, 提高了粮食生态效率。因此, 数字经济对粮食生态效率的作用可能会受财政支农力度的影响, 二者之间可能存在门槛效应, 即不同财政支农力度下, 数字经济对粮食生态效率的影响具有非线性特征。基于此, 提出以下假设:
H4: 财政支农力度在数字经济对粮食生态效率的影响中发挥着门槛效应。
据此, 构建数字经济对粮食生态效率的理论分析框架(图1)。
2. 研究方法
2.1 模型设计
2.1.1 粮食生态效率模型构建
借鉴王帅等[1]相关研究, 采用包含非期望产出的超效率SBM模型对粮食生态效率指标进行测算, 实现了非合意产出下对粮食生态效率的评价。其中, 效率测算模型如下:
$$ E=\mathrm{m}\mathrm{i}\mathrm{n}\dfrac{1+\dfrac{1}{m}{\displaystyle\sum }_{i=1}^{m}\dfrac{{s}_{i}^{x}}{{x}_{ik}}}{1-\dfrac{1}{{c}_{1}+{c}_{2}}\left[{\displaystyle\sum }_{\alpha =1}^{{c}_{1}}\dfrac{{s}_{\alpha }^{y}}{{y}_{\alpha k}}+{\displaystyle\sum }_{\beta =1}^{{c}_{2}}\dfrac{{s}_{\beta }^{b}}{{b}_{\beta k}}\right]} $$ (1) 效率测算模型系列约束条件的集合如下所示:
$$\left. \begin{gathered} {x}_{ik}\geqslant \sum _{j=1,j\ne k}^{n}{x}_{ij}{\gamma }_{j}-{s}_{i}^{x}\\ {y}_{\alpha k}\leqslant \sum _{j=1,j\ne k}^{n}{y}_{\alpha j}{\gamma }_{j}+{s}_{\alpha}^{y} \\ {b}_{\beta k}\geqslant \sum _{j=1,j\ne k}^{n}{b}_{\beta j}{\gamma }_{j}-{s}_{\beta }^{b} \\ 1-\dfrac{1}{{c}_{1}+{c}_{2}}\left[\sum _{\alpha =1}^{{c}_{1}}\dfrac{{s}_{\alpha }^{y}}{{y}_{\alpha k}}+\sum _{\beta =1}^{{c}_{2}}\dfrac{{s}_{\beta }^{b}}{{b}_{\beta k}}\right] > 0\\ {\gamma }_{j} > 0,j = 1,\mathrm{ }2,\cdots, n,j \ne k;{s}_{i}^{\mathrm{x}} \geqslant 0,\; i = 1,\mathrm{ }2,\cdots, m ;\\ {s}_{a}^{y}\geqslant 0,\alpha =1,\mathrm{ }2,\cdots, {c}_{1};{s}_{\beta }^{b}\geqslant 0, \; \beta =1,\mathrm{ }2,\cdots ,{c}_{2} \end{gathered}\right\} $$ (2) 式中: E为粮食生态效率值; m、c1和c2分别表示决策单元DUM中的投入要素、期望产出和非期望产出; i为第i个投入指标;
$ \alpha $ 、$ \beta $ 分别为第$ \alpha $ 、$ \beta $ 个期望和非期望产出指标;$ {S}_{i}^{x} $ 、$ {S}_{\alpha }^{y} $ 和$ {S}_{\beta }^{b} $ 分别为投入、期望和非期望产出的松弛变量; n表示决策单元数, n=13;$ {x}_{ik} $ 、$ {y}_{\alpha k} $ 和bβk分别为投入矩阵、期望产出矩阵和非期望产出矩阵的元素; k为当前效率计算的第k个决策单元; j为第j个决策单元; xij、$ {y}_{\alpha j} $ 和bβj分别为第j个决策单元第i个投入指标、期望产出$ \alpha $ 和非期望产出$ \beta $ 的数值;$ \gamma $ 为权重。2.1.2 基准回归模型
$$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\alpha }_{0}+{\alpha }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\alpha }_{2}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\varepsilon }_{i} $$ (3) 式中:
$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}\mathrm{和}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it} $ 分别为地区i在时间t的粮食生态效率水平和数字经济发展水平,$ {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it} $ 为一系列的控制变量, α0为截距项, α1为核心解释变量的估计参数, α2为控制变量的估计参数,$ {\mu }_{i} $ 为地区i不随时间变化的个体固定效应,$ {\varepsilon }_{i} $ 为随机扰动项。2.1.3 中介效应模型
为了探究数字经济对粮食生态效率的影响机理,在模型(3)的基础上, 构建中介效应模型如下:
$$ {\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it}={\beta }_{0}+{\beta }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\beta }_{i}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\sigma }_{i} $$ (4) $$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\varphi }_{0}+{\varphi }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\varphi }_{2}{\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it}+{\varphi }_{i}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\delta }_{i} $$ (5) 式中:
$ {\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it} $ 为中介变量, 表示农地经营规模和农业社会化服务;${\beta }_{0} $ 和${\varphi }_{0} $ 为截距项;${\beta }_{1} $ 和${\varphi }_{1} $ 为核心解释变量的估计参数;${\varphi }_{2} $ 为中介变量的估计参数;${\beta }_{i} $ 和${\varphi }_{i} $ 为控制变量的估计参数;$ {\sigma }_{i} $ 和$ {\delta }_{i} $ 为随机扰动项。根据中介检验原理, 在
$ {\alpha }_{1} $ 、$ {\beta }_{1} $ 和$ {\varphi }_{2} $ 系数均显著的情形下, 若$ {\varphi }_{1} $ 不显著, 表示存在完全中介效应, 数字经济只能通过中介变量对粮食生态效率产生影响; 若$ {\varphi }_{1} $ 显著, 但相对于$ {\alpha }_{1} $ 有所下降, 说明存在部分中介效应, 数字经济既会直接影响粮食生态效率, 又会通过中介变量影响粮食生态效率。若$ {\alpha }_{1} $ 和$ {\beta }_{1} $ 均不显著, 则需要通过Bootstrap法进行检验。2.2 变量选择
2.2.1 被解释变量
粮食生态效率的测算兼顾了粮食生产过程中所产生的资源消耗、经济效益及生态损耗。借鉴王帅等[1]研究, 选取粮食总产量作为期望产出指标, 粮食面源污染源和粮食碳排放作为非期望产出指标, 投入指标包括劳动力、土地、机械动力、化肥、农药、农膜、灌溉和柴油使用量(表1)。其中, 非期望产出中粮食面污染源指标主要由化肥、农药和农膜的使用量分别乘以面源污染系数求和得到, 其系数分别为50%、75%和10%; 粮食碳排放指标主要由化肥、农药、农膜、灌溉和柴油使用量分别乘以碳排放系数求和得到, 其系数分别为4.9341 kg·kg−1、0.8956 kg·kg−1、0.5927 kg·kg−1、20.476 kg·hm−2和5.18 kg·kg−1。
表 1 粮食生态效率测算指标体系Table 1. Measuring index system of grain eco-efficiency指标体系
Index system具体指标
Specific index变量解释
Variable interpretation单位
Unit属性
Attribute投入指标
Input index劳动力投入 Labor input 第一产业从业人员数量×β Number of employees in the primary industry×β ×104 persons − 土地投入 Land input 粮食播种总面积 Total sown area of grain ×103 hm2 − 机械动力投入 Mechanical power input 机械总动力×β Total power of machinery×β 104 kW − 化肥投入 Fertilizer input 化肥折纯量×β Amount of pure fertilizer×β ×104 t − 农药投入 Pesticide input 农药施用量×β Pesticide application rate×β ×104 t − 农膜投入 Agricultural film input 农膜使用量×β Agricultural film usage×β ×104 t − 灌溉投入 Irrigation input 有效灌溉面积×β Effective irrigated area×β ×103 hm2 − 柴油使用量 Diesel usage 农用柴油×β Agricultural diesel oil×β ×104 t − 产出指标
Output index期望产出 Expected output 粮食总产量 Grain output ×104 t + 非期望产出 Unexpected output 粮食面污染源 Non-point pollution from grain production ×104 t − 粮食碳排放 Carbon emissions ×104 t − β=粮食播种面积/农作物播种面积。β=grain sown area / crop sown area. 2.2.2 核心解释变量
数字经济以数字资源和数字技术为关键要素, 推动农业生产技术和生产方式转型升级, 为实现乡村振兴战略提供强劲动能。借鉴黄庆华等[26]和苏锦旗等[27]研究, 从数字产业化和产业数字化两个维度构建数字经济指标体系。采用“互联网从业人员” “电信业务通信能力” “互联网普及率” “软件技术服务水平” 4个指标衡量数字产业化; 采用“数字乡村” “工业互联网” “数字物流” “数字零售” “数字金融” 5个指标衡量产业数字化。运用熵权法对数字经济指标体系进行测算, 具体见表2。
表 2 数字经济相关指标选择与解释Table 2. Related indicators selection and interpretation of digital economy维度
Dimensionality具体指标
Specific index变量解释
Variable interpretation权重
Weight单位
Unit属性
Attribute数字产业化
Digital industrialization互联网从业人员
Internet practitioner信息传输、计算机服务和软件从业人员占城镇单位从业人员比重
Proportion of information transmission, computer services and software employees to total employees in urban unit0.039 % + 电信业务通信能力
Telecommunications service communication capability电信业务总量
Total telecommunications business0.173 ×108 ¥ + 互联网普及率
Internet penetration每百万人互联网接入数
Internet access per million people0.223 Units·
(106 persons)−1+ 软件技术服务水平
Software technical service level软件业务收入
Software business revenue0.080 ×108 ¥ + 产业数字化
Industrial digitization数字乡村
Digital village农村宽带用户
Rural wide access user0.118 ×104 households + 工业互联网
Industrial Internet光缆线路长度
Cable length0.064 km + 数字物流
Digital logistics快递业务收入
Express business revenue0.145 ×108 ¥ + 数字零售
Digital retail电子商务销售额
E-commerce sale0.054 ×108 ¥ + 数字金融
Digital finance普惠金融指数
Financial inclusion index0.105 — + 2.2.3 中介变量
选取的中介变量为农地经营规模和农业社会化服务。借鉴王帅等[1]的研究, 农地经营规模指标采用粮食播种面积与种粮劳动人数比值进行衡量。借鉴王磊等[22]的研究, 农业社会化服务指标采用各省农林牧渔服务业产值与农作物总播种面积的比值进行衡量。
2.2.4 控制变量
为了减少因忽略变量而产生的误差, 借鉴已有研究, 选取如下控制变量。1)财政支农力度[28]: 农林牧渔支出/财政总支出; 2)农业受灾率[28]: 粮食受灾面积/农作物播种总面积; 3)种植结构[29]: 粮食播种面积/农作物播种面积; 4)人力资本[28]: 平均受教育年限; 5)农业机械化水平[28]: 农业机械总动力/农作物播种面积; 6)粮食产值: (粮食播种面积/农作物播种面积)×农业生产总值; 7)交通状况[30]: 各地区公路里程数。
2.3 数据来源与描述性统计
在充分考虑数据可得性和连续性的基础上, 以我国13个粮食主产区2013—2021年数据为研究样本, 并借鉴张玉周等[30]对农业生产布局的划分, 将13个粮食主产区划分为北方(山东、河南、河北、内蒙古、黑龙江、吉林和辽宁)和南方(安徽、湖北、湖南、江苏、江西和四川)两大区域。数据主要来自于《中国统计年鉴》《中国农村统计年鉴》以及北京大学发布的数字普惠金融指数。
2.3.1 粮食生态效率描述性统计
在研究期间, 粮食生态效率总体呈先降后升的趋势, 大致可以划分为3个阶段(表3): 第一阶段为快速下降期(2013—2015年), 粮食生态效率由2013年的0.699下降到2015年的0.556; 第二阶段为迅速增长期(2016—2019年), 粮食生态效率快速提高到2019年的0.814; 第三阶段为缓慢提升期(2020年以后), 粮食生态效率逐步提升, 2021年达最高(0.865)。粮食生态效率存在明显的空间差异。粮食生态效率均值为0.721, 粮食生态效率值最低的河北省约为0.260, 粮食生态效率值最高的江西省高达1.050, 这表明不同主产区粮食生态效率存在较大差距。进一步分析发现, 北方地区粮食生态效率较南方地区提升更快: 北方地区的粮食生态效率由2013年的0.688快速增加到0.859, 提升24.9%; 而南方地区的粮食生态效率由2013年的0.711增加到0.873, 提升了22.8%。
表 3 2013—2021年不同区域粮食生态效率变化趋势Table 3. Change trend of grain eco-efficiency in different regions from 2013 to 2021区域
Region快速下降期
Rapid decline period迅速增长期
Rapid increase period缓慢提升期
Slow increase period2013 2014 2015 2016 2017 2018 2019 2020 2021 北方
North0.688 0.656 0.498 0.581 0.733 0.690 0.792 0.819 0.859 南方
South0.711 0.717 0.623 0.620 0.702 0.741 0.839 0.896 0.873 13个粮食主产区
13 major grain-producing areas0.699 0.684 0.556 0.577 0.718 0.713 0.814 0.855 0.865 2.3.2 其余变量描述性统计
在样本期内(表4), 数字经济均值为0.225, 最小值为0.020, 最大值为0.910, 说明不同地区数字经济水平存在明显差异。中介变量农地经营规模均值为10.496, 最小值为5.040, 最大值为29.200; 农业社会化服务水平均值为0.624, 最小值为0.310, 最大值为1.140, 表明不同地区农地经营规模和农业社会化服务水平也存在较大差异。
表 4 数字经济对粮食生态效率影响相关变量描述性统计分析Table 4. Descriptive statistical analysis of variables related to the impact of digital economy on grain eco-efficiency变量分类
Variable classification变量名称
Variable name均值
Mean value方差
Variance最小值
Minimum value最大值
Maximum value被解释变量
Explained variable粮食生态效率
Grain eco-efficiency0.721 0.264 0.260 1.050 解释变量
Explanatory variable数字经济
Digital economy0.225 0.181 0.020 0.910 数字产业化
Digital industrialization0.105 0.093 0.020 0.490 产业数字化
Industrial digitization0.120 0.094 0.002 0.461 中介变量
Intermediate variable农地经营规模
Agricultural land management scale10.496 5.227 5.040 29.200 农业社会化服务
Agricultural socialization service0.624 0.226 0.310 1.140 控制变量
Control variable财政支农力度
Intensity of fiscal support for agriculture0.120 0.026 0.070 0.190 农业受灾率
Agricultural disaster rate0.127 0.094 0.010 0.460 人力资本
Human capital10.362 0.466 9.410 11.820 农业机械化水平
Level of agricultural mechanization0.559 0.199 0.250 1.060 粮食产值
Grain output value0.885 0.571 0.290 3.690 种植结构
Planting structure0.724 0.153 0.300 0.970 交通状况
Traffic condition20.696 6.594 9.420 39.890 3. 实证结果分析
3.1 基准回归结果
在检验数字经济对粮食生态效率基准效应之前, 分别对模型进行随机效应和固定效应检验。其中Hausman检验结果P值为0.0083, 该结果拒绝了原假设, 表明固定效应具有更好的拟合优度, 因此采用固定效应回归结果进行后续分析。
由表5可知, 无论是否加入控制变量, 数字经济对粮食生态效率的影响均在1%显著水平上为正, 数字经济每增加1个单位, 粮食生态效率提高0.524个单位。数字技术为粮食产业提供了新的发展模式和创新机会, 如促进农村电商、农业金融科技等发展, 有助于推动粮食产业高质量发展。同时, 通过数字技术应用, 能够高效监控农药、化肥和农膜等易造成环境污染的要素投入水平, 实现科学种植, 有效避免其使用过量造成的污染。因此, 数字经济能够促进粮食生态效率提高, 假设H1得到验证。
表 5 数字经济对粮食生态效率影响的基准回归结果Table 5. Baseline regression results of the impact of digital economy on grain eco-efficiency变量
Variable随机效应
Random effect固定效应
Fixed effect数字经济 Digital economy 0.571*** (5.290) 0.397** (2.120) 0.642*** (5.920) 0.524*** (2.760) 常数项 Constant term 0.592*** (8.780) 2.060 (1.28) 0.576*** (21.040) 3.464** (2.030) 控制变量 Control variable No Yes No Yes 地区效应 Regional effect 无控制 Uncontrolled 已控制 Controlled 无控制 Uncontrolled 已控制 Controlled R2 0.254 0.373 0.254 0.401 **和***分别表示在5%和1%水平下显著; 括号内数字为t值。** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 3.2 稳健性检验
为了保证研究结论准确性, 本文进行了稳定性检验。1)调整样本区间。参考路雯晶等[31]的方法, 为避免2020年疫情的初次爆发对粮食生态效率可能造成的影响, 此处剔除了2020年及以后的数据, 对样本重新进行回归。2)剔除异常值估计。为减少异常值对基准回归结果带来的误差, 对被解释变量和解释变量进行1%缩尾处理后重新估计。3)滞后解释变量。参考朱喜安等[32]研究方法, 为解决内生性问题, 此处将数字经济滞后一期进行分析。由表6可知, 数字经济对粮食生态效率的影响与回归结果保持一致, 正向显著效应基本稳健。
表 6 数字经济对粮食生态效率影响的稳健性检验结果Table 6. Robustness test results of the impact of digital economy on grain eco-efficiency变量
Variable调整样本区间
Adjust sample interval剔除异常值估计
Eliminate outlier estimation滞后解释变量
Delayed explanatory variable数字经济 Digital economy 0.496*** (3.530) 0.702** (2.600) 0.600*** (4.800) 0.583*** (2.970) 0.731*** (6.380) 0.503** (2.450) 常数项 Constant term 0.588** (19.970) 0.624 (0.450) 0.581*** (20.240) 4.001** (2.300) 0.568*** (20.610) 3.891** (2.250) 控制变量 Control variable No Yes No Yes No Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled 已控制 Controlled R2 0.139 0.312 0.204 0.414 0.311 0.462 **和***分别表示在5%和1%水平下显著; 括号内数字为t值。** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 3.3 异质性检验
本文在前文研究基础上, 进一步分维度、分地区和分效率水平进行了回归分析, 估计结果见表7。
表 7 数字经济对粮食生态效率影响的异质性检验结果Table 7. Heterogeneity test results of the impact of digital economy on grain eco-efficiency变量
Variable分维度异质性
Dimensional heterogeneity分区域异质性
Sub regional heterogeneity分效率水平异质性
Heterogeneity of different efficiency level数字产业化
Digital industrialization产业数字化
Industrial digitization北方
North China南方
South China低效率
Low efficiency高效率
High efficiency数字经济 Digital economy 0.893*** (2.900) 0.859** (2.110) 1.043** (2.800) 0.273 (0.830) 0.583*** (8.170) 0.393 (0.860) 常数项 Constant term 3.174* (1.910) 3.275* (1.840) 1.102 (0.440) 3.007 (1.500) 0.171 (0.040) −1.023 (−0.490) 控制变量 Control variable Yes Yes Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled 已控制 Controlled R2 0.406 0.382 0.580 0.529 0.609 0.351 *、**和***分别表示在10%、5%和1%水平下显著; 括号内数字为t值。*, ** and *** represent significance at the levels of 10%, 5% and 1%, respectively; the numbers in parentheses are t values. 3.3.1 分维度异质性
数字经济对粮食生态效率的促进作用本质上是数字产业化和产业数字化均衡作用的结果, 此处从数字经济的不同维度研究其对粮食生态效率的具体影响。表7表明, 数字产业化和产业数字化对粮食生态效率均呈显著正相关, 且回归系数分别为0.893和0.859, 即数字产业化水平对粮食生态效率的促进作用更为显著, 产业数字化的促进作用次之。可能的原因是, 我国大部分农村地区处于数字化转型阶段, 数字化与农业基础产业融合有限, 对先进的数字技术接受和应用能力较弱, 造成产业数字化对粮食生态效率的影响相对较小。
3.3.2 分区域异质性
考虑到不同地理位置对粮食生态效率的影响, 对13个粮食主产区按照南北两个区域重新进行样本回归(表7)。结果表明, 北方地区数字经济对粮食生态效率的回归系数为1.043, 在5%水平下显著正相关, 而南方地区的回归系数为0.273, 但不显著。可能原因是, 南方地区数字经济起步较早、发展水平相对较高, 数字化对粮食生态效率的红利提前得到充分释放, 导致数字经济对粮食生态效率的影响并不显著。相对地, 北方地区的数字经济水平相对较低, 且大多为传统的农业大省, 农户数字素养水平相对较低, 因此绿色数字技术的普及和应用对粮食生态效率的提高具有较强的边际效应。
3.3.3 分效率水平异质性
参考杨慧梅等[33]的研究成果, 借助于中位数对各省份粮食生态效率进行分组。若某个省份粮食生态效率值大于相应年份的中位数水平, 则为高效率地区; 否则, 划分为低效率地区。表7估计结果显示, 无论是高粮食生态效率地区还是低粮食生态效率地区, 数字经济均具有正向的促进作用, 影响系数分别为0.393和0.583, 但是仅低粮食生态效率地区的回归系数通过了1%水平的显著性检验, 这表明数字经济对低粮食生态效率地区的影响更为显著。上述结果与之前分区域异质性的结论保持一致, 即南方地区的粮食生态效率相对较高, 而北方地区粮食生态效率相对较低, 数字经济在低粮食生态效率地区能够发挥更大的提升作用。
3.4 影响机制检验
在数字经济对粮食生态效率具有正相关影响的基础上, 运用中介效应模型, 对农地经营规模和农业社会化服务的传导作用进行检验, 回归结果见表8。
表 8 数字经济对粮食生态效率影响的机制检验结果Table 8. Mechanism test results of the impact of digital economy on grain eco-efficiency变量 Variable 机制I Mechanism I 机制Ⅱ Mechanism Ⅱ 农地经营规模
Agricultural land management scale粮食生态效率
Grain eco-efficiency农业社会化服务
Agricultural socialization service粮食生态效率
Grain eco-efficiency数字经济 Digital economy 0.464*** (3.040) 0.276** (2.230) 0.479*** (8.070) 0.398* (1.890) 农地经营规模
Agricultural land management scale0.395** (2.030) 农业社会化服务
Agricultural socialization service0.593** (2.130) 常数项 Constant term 1.804 (1.310) 2.966* (1.750) 0.115 (0.190) 2.826 (1.700) 控制变量 Control variable Yes Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled R2 0.705 0.431 0.763 0.412 *、**和***分别表示在10%、5%和1%水平下显著; 括号内数字为t值。*, ** and *** represent significance at the levels of 10%, 5% and 1%, respectively; the numbers in parentheses are t values. 3.4.1 农地经营规模机制
表8表明数字经济对农地经营规模具有显著的正向作用, 对粮食生态效率在5%水平下正相关, 回归系数为0.276, 小于基准回归系数的绝对值(0.524)。由此表明, 农地经营规模发挥了部分中介效应, 从而验证数字经济能够通过扩大农地经营规模达到提高粮食生态效率的目的。可见, 数字经济推动了农业生产机械化, 降低了生产成本, 加速了土地流转, 克服了土地分散的经营弊端, 进而实现农业生产的规模化。因此, 扩大农地经营规模是数字经济推动粮食生态效率提高的重要渠道。
3.4.2 农业社会化服务机制
表8表明数字经济对农业社会化服务具有显著促进作用, 对粮食生态效率在10%水平上显著正相关, 回归系数为0.398, 小于基准回归系数的绝对值(0.524)。由此表明, 农业社会化服务在数字经济对粮食生态效率影响过程中起到了部分中介作用, 与研究预期保持一致。可见, 数字经济促进了农业社会化服务的提升, 有利于先进绿色生产技术的获取、传播与应用, 进而提高了农药、化肥和机械等生产资源的利用率, 从源头上提高粮食生态效率[19]。因此, 提升农业社会化服务也是数字经济推动粮食生态效率提高的重要渠道。
表8中介效应检验结果表明, 农地经营规模机制和农业社会化服务机制是数字经济推动粮食生态效率提高的中介变量, 假设H2和H3得到验证。
3.5 财政支农力度的门槛效应
基于前述的理论分析可知, 当财政支农力度处于不同水平时, 数字经济对粮食生态效率的影响不同, 二者可能存在非线性关系。为了验证这一非线性关系, 采用面板门槛模型分析数字经济对粮食生态效率的影响是否受到财政支农力度的约束, 其模型如下:
$$ \begin{split} &\qquad {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\alpha }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\left(\mathrm{F}\mathrm{I}\mathrm{S}\leqslant {\lambda }_{1}\right)+{\alpha }_{2}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\\ & \left({\lambda }_{1} < \mathrm{F}\mathrm{I}\mathrm{S}\leqslant {\lambda }_{2}\right)+{\alpha }_{3}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\left(\mathrm{F}\mathrm{I}\mathrm{S} > {\lambda }_{3}\right)+{\mu }_{i}+{\varepsilon }_{i} \end{split}$$ (6) 式中: FIS为门槛变量, 表示财政支农力度;
$ \lambda \mathrm{为} $ 待估算的门槛值; I(·)为指示性函数, 若符合括号内的条件, I(·)=1, 否则I(·)=0。为验证门槛效应的存在性, 采用自助法(Bootstrap)对门槛变量进行500次反复抽样得到F值和P值。结果表明, 财政支农力度作为门槛变量, 分别在5%和10%水平下通过了单一门槛和双重门槛检验, 但未通过三重门槛检验, 即数字经济对粮食生态效率的影响存在双重门槛效应(表9)。
表 9 数字经济对粮食生态效率影响的门槛检验结果Table 9. Threshold test results of the impact of digital economy on grain eco-efficiency门槛变量
Threshold variable门槛性质
Threshold propertyF值
F valueP值
P value1%临界值
1% critical value5%临界值
5% critical value10%临界值
10% critical value财政支农力度
Intensity of fiscal
support for agriculture单一门槛 Single threshold 17.170 0.022 11.416 13.920 23.183 双重门槛 Double threshold 8.560 0.082 7.919 10.335 15.751 三重门槛 Triple threshold 1.200 0.856 10.856 15.251 26.463 在确定门槛值后, 进一步进行估计, 回归结果见表10。结果表明, 不同财政支农力度水平下, 数字经济对粮食生态效率的影响存在差异, 但均在1%水平上显著相关。具体来说, 当财政支农力度处于较低水平(FIS≤0.08)、两门槛之间(0.08<FIS≤0.14)和较高水平(FIS>0.14) 3个不同阶段时, 数字经济对粮食生态效率的影响系数分别为0.697、0.796和0.920, 整体呈现显著正向且边际效应递增的非线性特征, 即财政支农力度在数字经济对粮食生态效率影响过程中发挥了门槛效应, 假设H4得到验证。
表 10 数字经济对粮食生态效率影响的门槛回归结果Table 10. Threshold regression results of the impact of digital economy on grain eco-efficiency变量 Variable 回归系数 Regression coefficient DIG (FIS≤0.08) 0.697*** (3.130) DIG (0.08<FIS≤0.14) 0.796*** (4.100) DIG (FIS>0.14) 0.920*** (2.650) 常数项 Constant term 4.461** (2.530) 控制变量 Control variable Yes 地区效应 Regional effect 已控制 Controlled R2 0.451 DIG: 数字经济; FIS: 财政支农力度; **和***分别表示在5%和1%水平下显著; 括号内数字为t值。DIG: digital economy; FIS: intensity of fiscal support for agriculture; ** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 4. 结论与建议
4.1 结论
基于2013—2021年我国13个粮食主产区的面板数据, 实证检验了数字经济对粮食生态效率的影响, 主要研究结论如下。1)数字经济能够显著促进粮食生态效率提升, 且在调整样本区间、剔除异常值估计和滞后解释变量等稳健性检验后结论依然成立。2)数字经济对粮食生态效率的影响因维度、区域和粮食生态效率水平的不同而存在显著性差异。其中: 数字产业化对于粮食生态效率的促进作用大于产业数字化, 北方地区和低粮食生态效率地区的促进作用更为显著。3)数字经济能够通过农地经营规模和农业社会化服务两个中介变量, 间接推动粮食生态效率提高。4)数字经济对粮食生态效率的促进作用存在财政支农力度的门槛效应, 且边际效应递增, 即财政支农力度越高, 越有助于数字经济提升粮食生态效率。
4.2 建议及展望
基于上述结论, 提出以下政策建议。1)完善农村新型数字基础设施建设, 充分发挥数字经济对粮食生态效率的积极影响。首先, 提高农村千兆光网、5G网络和移动物联网等基建设施在农村的覆盖率, 提高农业信息服务的能力和质量; 其次, 积极搭建“互联网+农业”数据观测平台, 对粮食生产环节进行精准监控并及时给出调整建议, 提升生产要素的利用效率; 最后, 引导开发适农信息平台, 采用专家在线问答方式为农户提供生产过程中的技术指导, 甚至可以通过远程操作解决一些疑难杂症[34]。2)因地制宜制定数字经济与粮食生态效率的协同推进策略。数字经济对粮食生态效率影响的区域异质性研究结果显示, 北方地区数字经济对粮食生态效率的影响显著为正。因此, 对于北方地区, 应加大对数字农业的投入, 通过应用物联网、大数据和人工智能等先进数字技术, 实现农田管理、作物生长监测和农机作业等的智能化和精准化, 实现水、肥、药等资源的优化配置和高效利用, 降低农业生产成本, 提高资源利用效率。相比之下, 对于数字经济发展水平相对较高的南方地区, 可以选取典型区域开展数字农业示范项目, 通过成功案例的推广和复制, 带动更多地区和农户参与到数字农业发展中来。3)提高农地经营规模和农业社会化服务水平。中介效应的估计结果显示, 农地经营规模和农业社会化服务是关键的中介变量。对此, 一方面引导农户签订权责明确的农地流转契约, 提供良好、稳定的外部环境; 增加规模经营主体财政奖补和税收减免力度, 并鼓励金融机构为其提供融资担保服务[35]; 通过技能培训、劳务对接、转移输出等帮扶措施, 解决农户非农就业问题, 提高农地流转意愿。另一方面, 强化农业社会化服务组织队伍建设, 推动数智化技术与社会化服务深度融合; 鼓励先进农机设备的应用推广, 促进社会化服务提档升级; 加大农业社会化服务质量的监管和考核力度, 为推动粮食绿色生产提供制度保障[21]。4)优化财政支农结构, 突出绿色政策的引导方向。由于财政支农力度是关键的门槛变量, 政府应加快构建以绿色生态为导向的农业补贴制度, 加大生态农业的财政补贴力度, 如增加购买节能减排、高质高效农机设备的资金补贴, 或提供有机肥、生物农药等实物补贴, 提高农户进行绿色生产的积极性, 推动粮食生产方式转型升级[23]。
展望后续研究: 1)扩大研究范围。一方面, 扩大空间研究范围, 将研究对象由13个粮食主产区数据扩大到全国所有省份(自治区、直辖市)数据, 或者采用市级或县级的更为丰富的研究样本。另一方面, 扩大时间区间, 将研究年限增加到20年以上, 以便掌握数字经济对粮食生态效率的影响趋势变化。2)增加机制变量。本文尚未涉及的农户数字素养、农业技术创新等因素, 在数字经济对粮食生态效率影响过程中可能会起到一定的中介作用, 但限于篇幅, 本文未对其进行研究, 未来工作可以对其进行进一步探讨。3)替换研究方法。可以进一步采用空间面板计量模型, 分析数字经济在空间维度上对粮食生态效率的直接和间接影响, 丰富该领域的相关研究。
-
图 1 不同施肥处理下全土和各粒级土壤中的全氮含量
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同字母表示P < 0.05水平下差异显著。
Figure 1. Total nitrogen contents in bulk soil and different soil particle-size fractions under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different letters indicate significant differences among different fertilization treatments for the same soil particle-size fraction at P < 0.05.
图 2 不同施肥处理下全土的各种氨基糖含量
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同字母表示同一粒级不同处理下P < 0.05水平下差异显著。
Figure 2. Contents of total and individual amino sugar in bulk soil under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different letters indicate significant differences among different fertilization treatments at P < 0.05.
图 3 不同施肥处理下土壤氨基葡萄糖与胞壁酸的比值
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同字母表示同一粒级不同处理下P < 0.05水平下差异显著。
Figure 3. Ratio of glucosamine to muramic acid in bulk soil under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different letters indicate significant differences among different fertilization treatments at P < 0.05.
图 4 不同施肥处理下各粒级土壤中各氨基糖的含量
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同字母表示同一粒级不同处理在P < 0.05水平下差异显著。
Figure 4. Contents of total amino sugar (a), glucosamine (b), galactosamine (c) and muramic acid (d) in different soil particle-size fractions under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different letters indicate significant differences among different fertilization treatments for the same soil particle-size fraction at P < 0.05.
图 5 不同施肥处理下不同粒级土壤氨基葡萄糖与胞壁酸的比值
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同小写字母表示同一处理不同粒级间P < 0.05水平下差异显著; 不同大写字母表示同一粒级不同处理间P < 0.05水平下差异显著。
Figure 5. Ratio of glucosamine to muramic acid in different soil particle-size fractions under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different lowercase letters indicate significant differences among different soil particle-size fractions under the same fertilization treatment at P < 0.05. Different capital letters indicate significant differences among different fertilization treatments for the same soil particle-size fraction at P < 0.05.
图 6 不同施肥处理下不同粒级土壤总氨基糖(a)、氨基葡萄糖(b)、氨基半乳糖(c)和胞壁酸(d)的富集因子
CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。不同字母表示同一粒级不同处理间P < 0.05水平下差异显著。
Figure 6. Enrichment factors of total amino sugar (a), glucosamine (b), galactosamine (c) and muramic acid (d) of different soil particle-size fractions under different long-term fertilization treatments
CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Different letters indicate significant differences among different fertilization treatments for the same soil particle-size fraction at P < 0.05.
表 1 长期不同肥料管理模式下0~20 cm土壤不同粒级颗粒分布
Table 1 Distribution of particle-size fractions in 0-20 cm bulk soil under different fertilization treatments
施肥处理
Fertilization
treatment含量Content (%) 回收率
Recovered
rate (%)砂粒
Sand粉粒
Silt黏粒
ClayCK 14.7±0.4a 73.4±0.7ab 11.8±0.3b 98.8±0.2 M 13.6±1.1a 74.5±0.4ab 11.9±1.4b 97.6±0.7 NPK 14.1±2.9a 75.8±1.5a 10.0±1.7b 97.6±0.6 MNPK 14.2±1.0a 75.3±0.6a 10.4±0.5b 96.4±0.5 SNPK 14.6±0.4a 74.3±0.8ab 11.1±0.6b 96.2±0.3 SCK 13.4±0.2a 71.0±3.3b 15.6±3.1a 96.0±0.4 CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。数据为3次重复的平均值加减标准误。同列不同字母表示P < 0.05水平下差异显著。CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Values are means ± S.E (n=3). Different letters within a column indicate significant differences atP < 0.05. 表 2 不同施肥处理下各粒级土壤的全氮富集因子
Table 2 Enrichment factors of total nitrogen in different particle-size fractions of soil under different long-term fertilization treatments
土壤粒级
Soil particle施肥处理Fertilization treatment CK M NPK MNPK SNPK SCK 砂粒Sand 0.8±0.04d 1.0±0.12d 1.5±0.15b 1.8±0.08a 1.4±0.13bc 1.2±0.12c 粉粒Silt 0.8±0.06a 0.7±0.04a 0.9±0.15a 0.8±0.09a 0.8±0.03a 0.7±0.02a 黏粒Clay 3.5±0.12a 2.9±0.19bc 3.1±0.08bc 2.8±0.16c 3.1±0.12bc 3.2±0.17ab CK:不施肥无有机物料还田; M:单施猪圈肥; NPK:单施化肥; MNPK:化肥配施猪圈肥; SNPK:化肥配施秸秆; SCK:单施秸秆。数据为3次重复的平均值加减标准误。同行不同字母表示P < 0.05水平下差异显著。CK: no fertilizer without organic materials; M: single application of pig manure; NPK: application of chemical fertilizers; MNPK: combined application of chemical fertilizers and pig manure; SNPK: combined application of chemical fertilizers and straw; SCK: single application of straws. Values are means ± S.E (n=3). Different letters within a column indicate significant differences at P < 0.05. -
[1] 王玉英, 李晓欣, 胡春胜, 等.华北平原农田温室气体排放与减排综述[J].中国生态农业学报, 2018, 26(2):167-174 http://www.ecoagri.ac.cn/zgstny/ch/reader/view_abstract.aspx?file_no=2018-0201&flag=1 WANG Y Y, LI X X, HU C S, et al. Review on greenhouse gas emission and reduction in wheat-maize double cropping system in the North China Plain[J]. Chinses Journal of Eco-Agriculture, 2018, 26(2):167-174 http://www.ecoagri.ac.cn/zgstny/ch/reader/view_abstract.aspx?file_no=2018-0201&flag=1
[2] 张玉铭, 张佳宝, 胡春胜, 等.华北太行山前平原农田土壤水分动态与氮素的淋溶损失[J].土壤学报, 2006, 43(1):17-25 doi: 10.3321/j.issn:0564-3929.2006.01.003 ZHANG Y M, ZHANG J B, HU C S, et al. Nitrogen leaching in wheat-maize rotation field in the North China Plain[J]. Acta Pedologica Sinica, 2006, 43(1):17-25 doi: 10.3321/j.issn:0564-3929.2006.01.003
[3] 宁川川, 王建武, 蔡昆争.有机肥对土壤肥力和土壤环境质量的影响研究进展[J].生态环境学报, 2016, 25(1):175-181 http://d.old.wanfangdata.com.cn/Periodical/tryhj201601026 NING C C, WANG J W, CAI K Z. The effects of organic fertilizer on soil fertility and soil environmental quality:A review[J]. Ecology and Environment Science, 2016, 25(1):175-181 http://d.old.wanfangdata.com.cn/Periodical/tryhj201601026
[4] 李燕青, 赵秉强, 李壮.有机无机结合施肥制度研究进展[J].农学学报, 2017, 7(7):22-30 http://d.old.wanfangdata.com.cn/Periodical/zgncxkkj201707005 LI Y Q, ZHAO B Q, LI Z. Research progress of organic-inorganic fertilizer combined application system[J]. Journal of Agriculture, 2017, 7(7):22-30 http://d.old.wanfangdata.com.cn/Periodical/zgncxkkj201707005
[5] 徐阳春, 沈其荣.长期施用不同有机肥对土壤各粒级复合体中C、N、P含量与分配的影响[J].中国农业科学, 2000, 33(5):1-7 doi: 10.3321/j.issn:0578-1752.2000.05.001 XU Y C, SHEN Q R. Influence of long-term application of manure on the contents and distribution of organic C, total N and P in soil particle sizes[J]. Scientia Agricultura Sinica, 2000, 33(5):1-7 doi: 10.3321/j.issn:0578-1752.2000.05.001
[6] 崔艳荷, 张威, 何红波, 等.外源氮素添加对森林土壤氨基糖转化的影响[J].生态学杂志, 2016, 35(4):960-965 http://d.old.wanfangdata.com.cn/Periodical/stxzz201604016 CUI Y H, ZHANG W, HE H B, et al. Effect of nitrogen addition on transformation of amino sugars in forest soil[J]. Chinese Journal of Ecology, 2016, 35(4):960-965 http://d.old.wanfangdata.com.cn/Periodical/stxzz201604016
[7] 王辛辛, 解宏图, 张旭东, 等.底物添加对森林2个不同演替阶段土壤氨基糖动态的影响[J].北京林业大学学报, 2016, 38(4):86-93 http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb201604010 WANG X X, HE H T, ZHANG X D, et al. Effects of substrates on dynamics of amino sugars in two different stages of succession in forest soil[J]. Journal of Beijing Forestry University, 2016, 38(4):86-93 http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb201604010
[8] 张威, 何红波, 张旭东, 等.东北黑土氨基糖的矿化动态及其对外源物质添加的响应[J].应用生态学报, 2010, 21(10):2593-2598 http://d.old.wanfangdata.com.cn/Periodical/yystxb201010021 ZHANG W, HE H B, ZHANG X D, et al. Amino sugars mineralization and its responses to exogenous substances in black soil of Northeast China[J]. Chinese Journal of Applied Ecology, 2010, 21(10):2593-2598 http://d.old.wanfangdata.com.cn/Periodical/yystxb201010021
[9] CL MENT P, EDWARD G, JAKOB M, et al. Repeated application of organic waste affects soil organic matter composition:Evidence from thermal analysis, FTIR-PAS, amino sugars and lignin biomarkers[J]. Soil Biology & Biochemistry, 2017, 104, 117-127 https://www.sciencedirect.com/science/article/abs/pii/S0038071716304217
[10] ZHANG X D, AMELUNG W. Gas chromatographic determination of muramic acid, glucosamine, mannosamine, and galactosamine in soils[J]. Soil Biology and Biochemistry, 1996, 28(9):1201-1206 doi: 10.1016/0038-0717(96)00117-4
[11] 井艳丽, 刘世荣, 殷有, 等.赤杨对辽东落叶松人工林土壤氨基糖积累的影响[J].生态学报, 2018, 38(8):2838-2845 http://d.old.wanfangdata.com.cn/Periodical/stxb201808021 JING Y L, LIU S R, YIN Y, et al. Effect of N-mixing tree species (Alnus sibirica) on amino sugars in the soils of a Larix kaempferi plantation in eastern Liaoning Province, China[J]. Acta Ecologica Sinica, 2018, 38(8):2838-2845 http://d.old.wanfangdata.com.cn/Periodical/stxb201808021
[12] 何红波, 张威, 解宏图, 等.测定土壤氨基糖和氨基酸手性异构体中氮同位素比值的气相色谱/质谱方法[J].土壤学报, 2009, 46(2):289-298 doi: 10.3321/j.issn:0564-3929.2009.02.014 HE H B, ZHANG W, XIE H T, et al. A GC/MS method to assess 15N ratios in soil amino sugars and amino acid enantiomers[J]. Acta Pedologica Sinica, 2009, 46(2):289-298 doi: 10.3321/j.issn:0564-3929.2009.02.014
[13] 胡国庆, 刘肖, 何红波, 等.黄河三角洲不同盐渍化土壤中氨基糖的积累特征[J].土壤学报, 2018, 55(2):390-398 http://d.old.wanfangdata.com.cn/Periodical/trxb201802013 HU G Q, LIU X, HE H B, et al. Accumulation characteristics of amino sugars in salinized soil of different types in the Yellow River Delta[J]. Acta Pedological Sinica, 2018, 55(2):390-398 http://d.old.wanfangdata.com.cn/Periodical/trxb201802013
[14] ENGELKING B, FLESSA H, JOERGENSEN R G. Shifts in amino sugar and ergosterol contents after addition of sucrose and cellulose to soil[J]. Soil Biology & Biochemistry, 2007, 39(8):2111-2118 https://www.sciencedirect.com/science/article/abs/pii/S0038071707001228
[15] LIANG C, DUNCAN D S, BALSER T C, et al. Soil microbial residue storage linked to soil legacy under biofuel cropping systems in southern Wisconsin, USA[J]. Soil Biology & Biochemistry, 2013, 57:939-942 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=d8f6fe6fdfa6512aacd0aa5887a10e79
[16] 吕慧捷.肥料氮向土壤有机组分转化及稳定机制研究[D].北京: 中国科学院大学, 2012: 6-9 LYU H J. The seasonal dynamics and stabilization of fertilizer-derived N transformed into different soil organic N fractions[D]. Beijing: University of Chinese Academy of Sciences, 2012: 6-9
[17] CHRISTENSEN B T. Physical fractionation of soil and structural and functional complexity in organic matter turnover[J]. European Journal of Soil Science, 2001, 52(3):345-353 doi: 10.1046/j.1365-2389.2001.00417.x
[18] JONES D L, EDWARDS A C. Influence of sorption on the biological utilization of two simple carbon substrates[J]. Soil Biology & Biochemistry, 1998, 30(14):1895-1902 https://www.sciencedirect.com/science/article/abs/pii/S0038071798000601
[19] OADES J M. The retention of organic matter in soils[J]. Biochemistry, 1988, 5(1):35-70 http://d.old.wanfangdata.com.cn/OAPaper/oai_doaj-articles_6bc7a8015cd34362942a907e7c2e7635
[20] PARFITT R L, THENG B K, WHITTON J S, et al. Effects of clay minerals and land use on organic matter pools[J]. Geoderma, 1997, 75(1):1-12 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=0762050f0510e70732d974302bd98857
[21] 胡景恒, 朴河春, 刘启明.碳水化合物在土壤中的分布特征及其环境意义[J].地质地球化学, 2000, 28(2):59-64 http://d.old.wanfangdata.com.cn/Periodical/dzdqhx200003007 HU J H, PIAO H C, LIU Q M. The distribution and environmental effect of carbohydrate in soil[J]. Geology-Geochemistry, 2000, 28(2):59-64 http://d.old.wanfangdata.com.cn/Periodical/dzdqhx200003007
[22] 刘秀梅, 冯兆滨, 张树清, 等.纳米-亚微米级复合材料对褐潮土有机无机复合体含量及各粒级复合体中C、N、P含量与分布的影响[J].植物营养与肥料学报, 2007, 13(1):57-63 doi: 10.3321/j.issn:1008-505X.2007.01.010 LIU X M, FENG Z B, ZHANG S Q, et al. Effect of nano-subnanocomposites on contents and distribution of organic C, total N and P in soil organic-mineral granules in drab fluvo-aquic soil[J]. Plant Nutrition and Fertilizer Science, 2007, 13(1):57-63 doi: 10.3321/j.issn:1008-505X.2007.01.010
[23] 卢瑛, 甘海华, 徐盛荣.不同肥力红壤有机无机复合体的氮素特征与供应性能[J].华南农业大学学报, 1995, 16(4):64-68 http://www.cnki.com.cn/Article/CJFDTOTAL-HNNB504.014.htm LU Y, GAN H H, XU S R. Nitrogen characteristic and supplying property of organic-mineral complexes of different fertility red soils[J]. Journal of South China Agricultural University, 1995, 16(4):64-68 http://www.cnki.com.cn/Article/CJFDTOTAL-HNNB504.014.htm
[24] 吕慧捷, 何红波, 张旭东.土壤颗粒分级过程中超声破碎和离心分离的条件选择[J].土壤通报, 2012, 43(5):1126-1130 http://www.cnki.com.cn/Article/CJFDTOTAL-TRTB201205017.htm LYU H J, HE H B, ZHANG X D. The options of conditions on ultrasonic dispersion and centrifugal separation in soil particle size fractionation[J]. Chinese Journal of Soil Science, 2012, 43(5):1126-1130 http://www.cnki.com.cn/Article/CJFDTOTAL-TRTB201205017.htm
[25] ANDERSON D W, SAGAR S, BETTANY J R, et al. Particle size fractions and their use in studies of soil organic matter. 1. The nature and distribution of forms of carbon, nitrogen and sulfur[J]. Soil Science Society of America, 1981, 45(4):767-772 doi: 10.2136/sssaj1981.03615995004500040018x
[26] CHRISTENSEN B T. Carbon and nitrogen in particle size fractions isolated from Danish arable soils by ultrasonic dispersion and gravity sedimentation[J]. Acta Agriculturae Scandinavica, 1985, 35(2):175-187 doi: 10.1080/00015128509435773
[27] SHANG C, TJESSEN H. Organic matter stabilization in two semi-arid tropical soils:Size, density, and magnetic separations[J]. Soil Science Society of America, 1998, 62(5):1247-1257 doi: 10.2136/sssaj1998.03615995006200050015x
[28] 公华锐, 李静, 马军花, 等.秸秆还田配施有机无机肥料对冬小麦土壤水氮变化及其微生物群落和活性的影响[J].生态学报, 2019, DOI: 10.5846/stxb201803190537 GONG H R, LI J, MA J H, et al. Effects of straw incorporation combined with inorganic-organic fertilization on soil water and nitrogen changes and microbial community structure in winter wheat[J]. Acta Ecologica Sinica, 2019, DOI: 10.5846/stxb201803190537
[29] 姚晓东, 王娓, 曾辉.磷脂脂肪酸法在土壤微生物群落分析中的应用[J].微生物学通报, 2016, 43(9):2086-2095 http://d.old.wanfangdata.com.cn/Periodical/wswxtb201609025 YAO X D, WANG W, ZENG H. Application of phospholipid fatty acid method in analyzing soil microbial community composition[J]. Microbiology China, 2016, 43(9):2086-2095 http://d.old.wanfangdata.com.cn/Periodical/wswxtb201609025
[30] 席劲瑛, 胡洪营, 钱易. Biology方法在环境微生物群落研究中的应用[J].微生物学报, 2003, 43(1):138-141 doi: 10.3321/j.issn:0001-6209.2003.01.022 XI J Y, HU H Y, QIAN Y. Application of biology system in the study of microbial community[J]. Acta Microbiologica Sinica, 2003, 43(1):138-141 doi: 10.3321/j.issn:0001-6209.2003.01.022
[31] 苏淑芳, 于清军, 刘亚军, 等.秸秆覆盖免耕对土壤氨基糖在团聚体粒级中分布的影响[J].土壤通报, 2017, 48(2):365-371 http://d.old.wanfangdata.com.cn/Periodical/trtb201702016 SU S F, YU Q J, LIU Y J, et al. Effects of no-tillage with stalk mulching on distribution of amino sugars in soil aggregate fractions[J]. Chinses Journal of Soil Science, 2017, 48(2):365-371 http://d.old.wanfangdata.com.cn/Periodical/trtb201702016
[32] DING X L, LIANG C, ZHANG B, et al. Higher rates of manure application lead to greater accumulation of both fungal and bacterial residues in macroaggregates of a clay soil[J]. Soil Biology & Biochemistry, 2015, 84:137-146 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=364223864e8925e26cee5947fa0be407
[33] 闫颖.长期施肥对土壤矿物粒级中碳水化合物分布特征的影响[D].北京: 中国科学院大学, 2007 YAN Y. Carbohydrate accumulation and distribution in particle-size fractions of two soils as affected by long-term fertilizations[D]. Beijing: University of Chinese Academy of Sciences, 2007
[34] 丁雪丽.秸秆氮素合成氨基糖的微生物过程及其同位素区分[D].北京: 中国科学院大学, 2009 DING X L. Microbial synthesis process of amino sugars from 15N-labeled maize residues[D]. Beijing: University of Chinese Academy of Sciences, 2009
[35] 王克鹏, 张仁陟, 谢军红, 等.长期免耕和秸秆覆盖下黄土高原旱作土壤不同粒级复合体中酸解有机氮含量及分配比例变化[J].植物营养与肥料学报, 2016, 22(3):659-666 http://d.old.wanfangdata.com.cn/Periodical/zwyyyflxb201603010 WANG K P, ZHANG R Z, XIE J H, et al. Acid hydrolysis organic N content and the distribution in different sizes of soil complexes in the Loess Plateau dryland under long-term no-tillage and straw mulching[J]. Journal of Plant Nutrition and Fertilizer, 2016, 22(3):659-666 http://d.old.wanfangdata.com.cn/Periodical/zwyyyflxb201603010
[36] 王岩, 徐阳春, 沈其荣.有机、无机肥料15N在土壤不同粒级中的分布及其生物有效性[J].土壤通报, 2002, 33(6):410-413 doi: 10.3321/j.issn:0564-3945.2002.06.003 WANG Y, XU Y C, SHEN Q R. Distribution of 15N from organic and inorganic fertilizers in different size fractions of soil and its availability[J]. Chinese Journal of Soil Science, 2002, 33(6):410-413 doi: 10.3321/j.issn:0564-3945.2002.06.003
[37] 丁雪丽, 何红波, 张旭东, 等.无机氮素加入量对玉米秸秆分解过程中棕壤氨基糖含量的影响[J].土壤学报, 2011, 48(3):665-671 http://d.old.wanfangdata.com.cn/Periodical/trxb201103028 DING X L, HE H B, ZHANG X D, et al. Effects of inorganic nitrogen application rate on content of amino sugars in alfisol during microbial decomposition of corn stalks[J]. Acta Pedological Sinica, 2011, 48(3):665-671 http://d.old.wanfangdata.com.cn/Periodical/trxb201103028
[38] 丁雪丽, 何红波, 张旭东, 等.不同供氮水平对施用玉米秸秆后黑土氨基糖转化的影响[J].应用生态学报, 2009, 20(9):2207-2213 http://d.old.wanfangdata.com.cn/Periodical/yystxb200909024 DING X L, HE H B, ZHANG X D, et al. Effects of nitrogen supply level on microbial transformation of amino sugar in a mollisol amended with maize straw[J]. Chinese Journal of Applied Ecology, 2009, 20(9):2207-2213 http://d.old.wanfangdata.com.cn/Periodical/yystxb200909024
[39] 申小冉, 徐明岗, 张文菊, 等.长期不同施肥对土壤各粒级组分中氮含量及分配比例的影响[J].植物营养与肥料学报, 2012, 18(5):1127-1134 http://www.cnki.com.cn/Article/CJFDTotal-ZWYF201205012.htm SHEN X R, XU M G, ZHANG W J, et al. Effect of various long-term fertilization on soil nitrogen concentration and distribution percentage in particle-size fractions[J]. Plant Nutrition and Fertilizer Science, 2012, 18(5):1127-1134 http://www.cnki.com.cn/Article/CJFDTotal-ZWYF201205012.htm
[40] 闫颖, 何红波, 张旭东, 等.有机肥对棕壤不同粒级有机碳和氮的影响[J].土壤通报, 2008, 39(4):738-742 doi: 10.3321/j.issn:0564-3945.2008.04.005 YAN Y, HE H B, ZHANG X D, et al. Effect of manure application on the organic C and N in brown earth and particle-size fractiona[J]. Chinese Journal of Soil Science, 2008, 39(4):738-742 doi: 10.3321/j.issn:0564-3945.2008.04.005
[41] HASSINK J. The capacity of soils to preserve organic C and N by their association with clay and silt particles[J]. Plant and Soil, 1997, 191(1):77-87 doi: 10.1023/A:1004213929699
[42] CARTER M, ANGERS D A, GREGORICH E G, et al. Characterizing organic matter retention for surface soils in eastern Canada using density and particle size fractions[J]. Canadian Journal of Soil Science, 2003, 83(1):11-23 doi: 10.4141/S01-087
[43] 詹雨珊, 冯有智.秸秆还田对水稻土微生物影响的研究进展[J].土壤通报, 2017, 48(6):1530-1536 http://d.old.wanfangdata.com.cn/Periodical/trtb201706036 ZHAN Y S, FENG Y Z. Advances on impact of straw returning on microorganisms in paddy soil[J]. Soil Science, 2017, 48(6):1530-1536 http://d.old.wanfangdata.com.cn/Periodical/trtb201706036
[44] CHOL G L, TAKESHI W, YUTAKA S, et al. Bacterial populations assimilating carbon from 13C-labeled plant residue in soil:Analysis by a DNA-SIP approach[J]. Soil Biology & Biochemistry, 2011, 43(4):81-822 https://www.sciencedirect.com/science/article/abs/pii/S0038071710004852
[45] 孙悦, 徐兴良, KUZYAKOV Y.根际激发效应的发生机制及其生态重要性[J].植物生态学报, 2014, 38(1):62-75 http://d.old.wanfangdata.com.cn/Periodical/zwstxb201401007 SUN Y, XU X L, KUZYAKOV Y. Mechanisms of rhizosphere priming effects and their ecological significance[J]. Chinese Journal of Plant Ecology, 2014, 38(1):62-75 http://d.old.wanfangdata.com.cn/Periodical/zwstxb201401007
[46] 徐阳春, 沈其荣.有机肥和化肥长期配合施用对土壤及不同粒级供氮特性的影响[J].土壤学报, 2004, 41(1):87-92 doi: 10.3321/j.issn:0564-3929.2004.01.014 XU Y C, SHEN Q R. Influence of long-term combined application of manure and chemical fertilizer on supplying characteristics of nitrogen in soil and soil particle fractions[J]. Acta Pedologica Sinica, 2004, 41(1):87-92 doi: 10.3321/j.issn:0564-3929.2004.01.014
-
期刊类型引用(11)
1. 刘佳,曹基武,彭翠英,王靖涵,王旭军. 土壤化学性质对七叶一枝花产量和品质的影响. 中国野生植物资源. 2025(01): 14-22 . 百度学术
2. 刘佳,曹基武,彭翠英,王靖涵,梁军生,廖德志,王旭军. 土壤酚酸类物质对七叶一枝花农艺性状的影响. 湖南林业科技. 2024(02): 10-15+24 . 百度学术
3. 陆奇丰,骆文华. 极小种群广西火桐幼苗对干旱复水的生理响应. 西南林业大学学报(自然科学). 2024(04): 8-16 . 百度学术
4. 冯敬华,陈邦清,陈显,曾百林,田风雷,王功芳,余长蓉,曹荣军,张永翠,李道新. 七叶一枝花人工丰产栽培技术研究. 绿色科技. 2024(13): 70-74+78 . 百度学术
5. 刘守赞,蒋玲苔,张韵,顾依雯,韩敏琪,李姗,王红珍,白岩. 蓝、紫单色光处理对三叶青生理及总黄酮含量时空变化的影响. 中国生态农业学报(中英文). 2023(06): 885-894 . 本站查看
6. 周水灯,孙健,江建铭,邵将炜,邓惠敏,邵清松,王志安. 不同生育期施肥对浙贝母产量和品质的影响. 浙江农林大学学报. 2023(04): 756-764 . 百度学术
7. 陆奇丰,骆文华. 不同遮阴环境对广西火桐幼苗生长及生理生化的影响. 西部林业科学. 2023(04): 70-76+82 . 百度学术
8. 米琪,赵艳丽,李文春,普伟,陆尤,徐萍,于梦雯,陈佳,郑国伟. 云南重楼与球药隔重楼皂苷含量差异及光合特性研究. 时珍国医国药. 2023(12): 2937-2941 . 百度学术
9. 陈思,阎凯,何永美,湛方栋,祖艳群,李元,陈建军,李博. 遮阴对伴矿景天Cd、Pb、Zn累积特征的影响. 中国生态农业学报(中英文). 2022(03): 409-418 . 本站查看
10. 李坤,毛纯,刘军,吴芳兰,杨梅. LED光质对走马胎生长和生理及活性成分含量的影响. 西北植物学报. 2022(05): 819-828 . 百度学术
11. 许涛,郝心悦,于远航,庄心情,武淑娟,张怡. “药光互补”模式下中草药种植研究概述. 低碳世界. 2022(11): 169-171 . 百度学术
其他类型引用(4)